WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Optimisation de l'énergie réactive dans un réseau d'énergie électrique

( Télécharger le fichier original )
par Brahim GASBAOUI
Université BECHAR - MAGISTER 2008
  

précédent sommaire suivant

5.1.13. Ant System (AS-TSP)

Élitisme une première variante du "Système de Fourmis" a été proposée par

[Dorigo 1996] : elle est caractérisée par l'introduction de fourmis élitistes. Dans cette

version, la meilleure fourmi (celle qui a effectué le trajet le plus court) dépose une

quantité de phéromone plus grande, dans l'optique d'accroître la probabilité des autres

fourmis d'explorer la solution la plus prometteuse.

est la liste Tabou pour la fourmi (i).

désigne l'inverse de la distance entre les villes i et j.

pondèrent l'influence de la phéromone et de la longueur.

taux de phéromone entre les villes i et j.

5.1.14. Ant-Q

Dans cette variante de AS, la règle de mise à jour locale est inspirée du Q-learning

[Gambardella and Dorigo, 1995]. Cependant, aucune amélioration par rapport à

l'algorithme AS n'a pu être démontrée. Cet algorithme n'est d'ailleurs, de l'aveu même

des auteurs, qu'une préversion du "Ant Colony System".

est une valeur fournie par une heuristique.

donne la valeur de probabilité de choix (phéromone).

pondèrent l'influence des deux mesures.

est la probabilité d'utiliser la première équation.

5.1.15. Ant Colony System (ACS)

L'algorithme a été introduit pour améliorer les performances du premier

algorithme sur des problèmes de grandes tailles [Dorigo and Gambardella, 1997b,

Dorigo and Gambardella, 1997a]. ACS est fondé sur des modifications de l'AS :

1- ACS introduit une règle de transition dépendant d'un paramètre q0 (0~q0~1),

qui définit une balance diversification /intensification .Une fourmi k sur une ville i

choisira une ville j par la règle :

Et une ville sélectionnée aléatoirement selon la probabilité :

En fonction du paramètre q0, il y a donc deux comportements possibles :

si q>q0 le choix se fait de la même façon que pour l'algorithme AS, et le système

tend à effectuer une diversification ; si , le système tend au contraire vers une

intensification. En effet, pour , l'algorithme exploite davantage l'information

récoltée par le système, il ne peut pas choisir un trajet non exploré.

2- La gestion des pistes est séparée en deux niveaux : une mise à jour locale et une

mise à jour globale. Chaque fourmi dépose une piste lors de la mise à jour locale :

Où est la valeur initiale de la piste. A chaque passage, les arêtes visitées voient

leur quantité de phéromone diminuer, ce qui favorise la diversification par la prise en

compte des trajets non explorés. A chaque itération, la mise à jour globale s'effectue

comme ceci :

Ici, seule la meilleure piste est donc mise à jour, ce qui participe à une

intensification par sélection de la meilleure solution.

précédent sommaire suivant







9Impact, le film from Onalukusu Luambo on Vimeo.



Appel aux couturier(e)s volontaires

Hack the pandemiuc !

Moins de 5 interactions sociales par jour



BOSKELYWOOD from Ona Luambo on Vimeo.